基于物联网视觉的旅游景区异常情况图像自动识别系统设计
李和香
摘 要： 物联网视觉是新兴的信息感知技术，其可保证旅游景区异常情况图像的准确、高效识别。因此，设计基于物联网视觉的旅游景区异常情况图像自动识别系统。该系统采用图像采集预处理平台中的PIPER物联网智能摄像头采集旅游景区图像，并利用图像拆分方法筛选出异常情况图像。图像识别平台利用物联网射频识别技术，为图像采集预处理平台筛选出的异常情况图像，并提供惟一编码。系统通过编码确定异常情况位置，并给出处理意见。系统通过图像采集预处理平台的图像拆分目标函数，实现图像拆分工作的高品质运行。经实验验证可知，所设计的系统能够对旅游景区异常情况图像进行准确、高效识别。
关键词： 物联网视觉； 旅游景区； 异常情况识别； 图像识别系统
中图分类号： TN711?34； TP39 文献标识码： A 文章编号： 1004?373X（2017）04?0124?04
Design of IOT vision based image automatic identification system for
tourist attraction abnormalities
LI Hexiang
（Guangzhou Institute of Technology， Guangzhou 510000， China）
Abstract： The Internet of Things （IOT） vision is an emerging information perception technology， which can guarantee the accurate and efficient image identification of the tourist attraction abnormalities. An IOT vision based image automatic identification system for tourist attraction abnormalities was designed. The IOT smart camera PIPER in image acquisition pre?processing platform is adopted in the system to acquire the image of the tourist attraction， and the image splitting method is used to screen out the abnormal image. The IOT?based radio frequency identification （RFID） technology is employed in the image recognition platform to screen out the abnormal image for the image acquisition pre?processing platform， and provide the unique encoding. The location of the abnormalities is determined by means of the encoding and a processing suggestion is given by the system. The system target function is split according to the image of the image acquisition pre?processing platform to realize the high?quality running of the image splitting work. The experimental verification result shows that the system can identify the abnormalities image of the tourist attraction accurately and efficiently.
Keywords： Internet of Things vision； tourist attraction； abnormality recognition； image recognition system
0 引 言
随着生活水平的不断提高，旅游已成为人们日常生活中必不可少的消遣项目。旅游景区游客日益增多为旅游业带来了不小的管理难度，能够及时发现旅游景区的异常情况并进行准确处理，是游客和业主共同关注的话题[1?4]。由于旅游景区面积较大、游客较多，业主不得不通过机器进行其异常情况的识别工作，传统旅游景区异常情况图像自动识别系统准确性和效率不高，人们期待着更加有效的旅游景区异常情况图像自动识别系统的出现[5?6]。
文献[7]提出的基于OpenCV的旅游景区异常情况图像自动识别方法，其利用OpenCV人脸识别技术，对进入旅游景区游客的行踪进行全方位监控。这种方法的出现令游客能够更加安心的游玩，但其只能应用于游客较少的博物馆、演艺厅等室内景区，对识别工作较大的室外景区无法进行合理管控。文献[8]提出的基于Android的旅游景区异常情况图像自动识别方法能够较好地利用Android操作系统传输效率高的特点，实现了该方法对大型旅游景区异常情况的高效识别。但这种方法的安全性不高，图像在传输过程中易被盗取；文献[9]提出基于IEC 61970标准的旅游景区异常情况图像自动识别方法，IEC 61970标准作为能量管理程序APP接口，其在使用最小能量的同时，也实现了旅游景区异常情况图像的高速识别和传输。但这种方法过于注重效率和能耗，识别准确性较低。文献[10]提出的基于路径轨迹空间特征的旅游景区异常情况图像自动识别方法，该方法可为旅游景区构建虚拟模型，通过监视游客行走路线图像，查找异常情况。这种方法的识别准确性较高，但忽略了游客行走路线之外的范围，无法全面保障景区游客安全。
为了解决以上缺陷，实现旅游景区异常情况的准确、高效识别，设计出基于物联网视觉的旅游景区异常情况图像自动识别系统。经实验验证可知，所设计的系统能够较好地满足设计初衷。
1 旅游景区异常情况图像自动识别系统设计
物联网视觉是新兴的信息感知技术，其能够实现人、车、物三者间的有效连接，可保证旅游景区异常情况图像的准确、高效识别。
1.1 图像采集预处理平台设计
图像采集预处理平台能够基于物联网视觉进行旅游景区图像的采集工作，并对其中的异常图像进行预处理和传输，其结构图如图1所示。
由图1可知，图像采集预处理平台由图像开采端、图像处理端和显示端组成，三端相辅相成，将图像开采端摄像头拍摄到的二维旅游景区图像，压缩变换为三维的物联网视觉，共同构建出旅游景区虚拟模型。图像采集预处理平台所选用的摄像头为PIPER物联网智能摄像头。该摄像头在传统摄像头的基础上，纳入了物联网视觉特性，并配备多种智能传感器，能够准确且高效地拍摄出旅游景区图像。PIPER物联网智能摄像头的镜头视角为180°，可与多种类型终端直接相连。在旅游景区中，应将4个PIPER物联网智能摄像头背对背捆绑相连，以对旅游景区进行360°无死角拍摄。
图像开采端将PIPER物联网智能摄像头开采到的图像进行A/D转换后传递到图像处理端，经由图像处理端进行二维画面向三维图像的转换，该过程称为逆向映射。逆向映射首先进行图像增强操作，再将旅游景区异常情况目标图像与配景拆分，经由显示端的显示器进行显示，并将预处理指令传输到图像识别平台。
图像采集预处理平台的设计汇集了计算机、模拟数字技术和图像控制等领域的技术成果，其可与基于物联网视觉的旅游景区异常情况图像自动识别系统中的其他平台单独拆分开来，并应用于军事、工农业、医疗以及建筑等领域。图2是图像采集预处理平台的原理框图。
由图2可知：对图像采集预处理平台来说，旅游景区异常图像目标物体的准确捕获是重中之重。基于物联网视觉的旅游景区异常情况图像自动识别系统给予了图像预处理平台捕获标准，经由PIPER物联网智能摄像头采集到的旅游景区画面转换为三维的物联网视觉后，就要接受该标准的管控。图像预处理平台的捕获标准受输入指令控制，输入指令是系统根据旅游行业特定景区异常情况定义所构建的，其规定了旅游景区画面的异常位置、颜色、比例等。图像采集预处理平台经由人工智能、模糊算法和神经网络算法，进行物联网视觉与捕获标准的比对，找寻到旅游景区异常情况，构建异常图像数据档案并输出异常情况图像到图像识别平台。
1.2 图像识别平台设计
基于物联网视觉的旅游景区异常情况图像自动识别系统的图像识别平台是基于物联网的射频识别技术构建的，其能够进行旅游景区异常情况图像的自动识别。射频识别技术是一种能够在无人为操作下，利用射频通信实现物体异常识别的非触碰自动识别技术。射频识别技术的抗干扰能力极强，在任何天气状态和辐射环境下均有较高的识别精度，且其效率高、操作简单。射频识别技术硬件结构如图3所示。图3中的射频识别技术硬件由电子标签、天线和读写器组成。电子标签的核心原件是识别芯片和耦合器。识别芯片为旅游景区异常情况图像编码，每个异常图像均有惟一编码；耦合器则帮助图像识别平台缓解电路传输压力，其能将功率合理分配，保护电路元件不受损伤。
天线是连接电子标签和读写器信号的传输“纽带”。基于物联网视觉的旅游景区异常情况图像自动识别系统对天线的传输效率和安全稳定性要求较高，故选择了性能较好且价格适中的433 m射频天线。
读写器能够读取电子标签分配的旅游景区异常图像编码，并及时调用旅游景区的广播系统为异常情况播报。根据读写器的携带方式，一般将其分为便携式和安装式。基于物联网视觉的旅游景区异常情况图像自动识别系统选用安装式读写器，其工作原理如图4所示。
由图4可知，天线将旅游景区异常情况图像编码直接传输给安装式读写器中的控制器，控制器控制著编码的读取工作，并调用旅游景区异常情况相应区域的广播系统，提醒游客注意人身和财产安全。
旅游景区的防卫人员也将在第一时间接收到异常情况图像，以及异常情况的位置和处理意见，并采取相应的施救措施。
2 旅游景区异常情况图像自动识别系统实现
图像采集预处理平台中图像拆分工作能否顺利进行，直接影响着图像识别平台的工作质量，以及基于物联网视觉的旅游景区异常情况图像自动识别系统的输出结果。因此，系统利用软件给出图像拆分目标函数，保障图像拆分工作的高品质运行。
基于物联网视觉的旅游景区异常情况图像自动识别系统软件所提供的图像拆分方法主要有阈值拆分法、特定范围拆分法和对比拆分法，以阈值拆分法为例，构建图像拆分目标函数。
当异常情况图像中目标物体与配景相接面的颜色和形状差别较大，可采用阈值拆分法进行图像拆分。在上述条件下，由于目标物体与配景的像素边缘较为明显，因而可以将两者的阈值与灰度分别提取出来，并按大小加以归类，进而将目标物体与配景拆分开。将拆分后的阈值纳入到直方图中，则阈值的最小点应满足。
为尽可能地降低图像拆分误差，应求取异常情况图像的最佳阈值。假设异常情况图像的阈值为，异常情况图像中配景灰度值的概率密度为，配景灰度值分布密度为，异常情况图像中目标物体占配景率为，将目标物体拆分为配景的概率，将配景拆分为目标物体的概率密度，则有：
3 实 验
为验证所设计的基于物联网视觉的旅游景区异常情况图像自动识别系统能否准确、高效地识别出旅游景区的异常情况图像，现进行实验。
3.1 图像自动识别系统的识别准确性验证
利用对比基于Android的旅游景区异常情况图像自动识别系统和本文系统识别准确性的方法，验证本文系统的识别准确性是否满足设计初衷。
实验在某景区湖面塑造了一个虚拟监控模型，模型包括木船、三个划桨者和一些干扰因素（花草树木），如图5所示。
实验在特定时间随机消除了两个划桨者，如图6所示。图6为旅游景区异常情况图像的配景，消失的两个划桨者则为目标物体。利用基于Android的旅游景区异常情况图像自动识别系统和本文系统同时对该虚拟监控模型进行自动识别，其结果如图7和图8所示。
图7和图8中框内的目标物体能够清晰地反应出两个系统的准确性。由于实验中的两个目标物体距离较近，图7中的基于Android的旅游景区异常情况图像自动识别系统将其识别为一个目标物体，准确性较低；本文系统则能准确地识别出目标物体。
以上实验结果说明，本文系统具有较高的准确性。
3.2 图像自动识别系统效率验证
我国一些旅游景区的地质较为复杂，一旦发生异常情况，缩短识别和传输时间是旅游景区异常情况图像自动识别系统所需考虑的首要问题。实验利用对比基于Android的旅游景区异常情况图像自动识别系统和本文系统识别时间和传输的方法，验证本文系统的效率是否满足设计初衷。
实验在某旅游景区的复杂山地，利用基于Android的旅游景区异常情况图像自动识别系统和本文系统进行山体滑坡情况的识别，其识别用时如表1所示。
表1 实验两系统识别山体滑坡情况用时统计表 ms
由表1可知，本文系统对山体滑坡情况的预处理时间和识别时间均低于基于Android的旅游景区异常情况图像自动识别系统，而两系统的传输时间持平。整体来说，本文系统的效率更高。该结果能够验证本文系统具有较高效率。
4 结 论
本文设计基于物联网视觉的旅游景区异常情况图像自动识别系统。该系统采用图像采集预处理平台中的PIPER物联网智能摄像头采集旅游景区图像，并利用图像拆分方法筛选出异常情况图像。图像识别平台利用物联网射频识别技术，为图像采集预处理平台筛选出的异常情况图像，并提供惟一编码。系统通过编码确定异常情况位置，并给出处理意见。系统通过图像采集预处理平台的图像拆分目标函数，实现图像拆分工作的高品质运行。经实验验证可知，所设计的系统能够对旅游景区异常情况图像进行准确、高效识别。
参考文献
[1] 何翼.物联网关键技术及其在仓库自动识别管理系统中的运用[J].物流技术，2015，34（2）：301?302.
[2] 陆海虹.基于OpenCV的手势识别系统的设计与实现[J].计算机测量与控制，2015，23（5）：1649?1652.
[3] 刘持标，林金发，孙丽丽，等.基于Android图像识别技术的失踪人员管理系统开发[J].三明学院学报，2014，31（4）：17?23.
[4] 杨兴柱，蒋锴，陆林.南京市游客路径轨迹空间特征研究：以地理标记照片为例[J].经济地理，2014，34（1）：181?187.
[5] 李佳，陈佳，杨新军.旅游社会—生态系统的运行机制：以西安市上王村为例[J].地理研究，2015，34（5）：977?990.
[6] 辛存林，董凯，孟健，等.中天山乌拉斯台地区矿化异常提取及评价[J].地质与勘探，2014，50（2）：382?390.
[7] 辛存林，廖建栋，董凯，等.新疆和静如努屋特地区地质地球化学特征及找矿远景[J].西北大学学报（自然科学版），2014，44（5）：781?788.
[8] 李淑娟，王冉.山东半岛蓝色经济区A级旅游景区空间结构分析[J].资源开发与市场，2015，31（2）：235?238.
[9] 孙玉砚，孙利民，朱红松，等.基于车牌识别系统车辆轨迹的行为异常检测[J].计算机研究与发展，2015，52（8）：1921?1929.
[10] 孙鹏，马素霞.基于IEC 61970标准及Web服务的电能质量异常数据检测系统研究[J].电力信息与通信技术，2015，13（6）：87?91.
摘 要： 物联网视觉是新兴的信息感知技术，其可保证旅游景区异常情况图像的准确、高效识别。因此，设计基于物联网视觉的旅游景区异常情况图像自动识别系统。该系统采用图像采集预处理平台中的PIPER物联网智能摄像头采集旅游景区图像，并利用图像拆分方法筛选出异常情况图像。图像识别平台利用物联网射频识别技术，为图像采集预处理平台筛选出的异常情况图像，并提供惟一编码。系统通过编码确定异常情况位置，并给出处理意见。系统通过图像采集预处理平台的图像拆分目标函数，实现图像拆分工作的高品质运行。经实验验证可知，所设计的系统能够对旅游景区异常情况图像进行准确、高效识别。
关键词： 物联网视觉； 旅游景区； 异常情况识别； 图像识别系统
中图分类号： TN711?34； TP39 文献标识码： A 文章编号： 1004?373X（2017）04?0124?04
Design of IOT vision based image automatic identification system for
tourist attraction abnormalities
LI Hexiang
（Guangzhou Institute of Technology， Guangzhou 510000， China）
Abstract： The Internet of Things （IOT） vision is an emerging information perception technology， which can guarantee the accurate and efficient image identification of the tourist attraction abnormalities. An IOT vision based image automatic identification system for tourist attraction abnormalities was designed. The IOT smart camera PIPER in image acquisition pre?processing platform is adopted in the system to acquire the image of the tourist attraction， and the image splitting method is used to screen out the abnormal image. The IOT?based radio frequency identification （RFID） technology is employed in the image recognition platform to screen out the abnormal image for the image acquisition pre?processing platform， and provide the unique encoding. The location of the abnormalities is determined by means of the encoding and a processing suggestion is given by the system. The system target function is split according to the image of the image acquisition pre?processing platform to realize the high?quality running of the image splitting work. The experimental verification result shows that the system can identify the abnormalities image of the tourist attraction accurately and efficiently.
Keywords： Internet of Things vision； tourist attraction； abnormality recognition； image recognition system
0 引 言
随着生活水平的不断提高，旅游已成为人们日常生活中必不可少的消遣项目。旅游景区游客日益增多为旅游业带来了不小的管理难度，能够及时发现旅游景区的异常情况并进行准确处理，是游客和业主共同关注的话题[1?4]。由于旅游景区面积较大、游客较多，业主不得不通过机器进行其异常情况的识别工作，传统旅游景区异常情况图像自动识别系统准确性和效率不高，人们期待着更加有效的旅游景区异常情况图像自动识别系统的出现[5?6]。
文献[7]提出的基于OpenCV的旅游景区异常情况图像自动识别方法，其利用OpenCV人脸识别技术，对进入旅游景区游客的行踪进行全方位监控。这种方法的出现令游客能够更加安心的游玩，但其只能应用于游客较少的博物馆、演艺厅等室内景区，对识别工作较大的室外景区无法进行合理管控。文献[8]提出的基于Android的旅游景区异常情况图像自动识别方法能够较好地利用Android操作系统传输效率高的特点，实现了该方法对大型旅游景区异常情况的高效识别。但这种方法的安全性不高，图像在传输过程中易被盗取；文献[9]提出基于IEC 61970标准的旅游景区异常情况图像自动识别方法，IEC 61970标准作为能量管理程序APP接口，其在使用最小能量的同时，也实现了旅游景区异常情况图像的高速识别和传输。但这种方法过于注重效率和能耗，识别准确性较低。文献[10]提出的基于路径轨迹空间特征的旅游景区异常情况图像自动识别方法，该方法可为旅游景区构建虚拟模型，通过监视游客行走路线图像，查找异常情况。这种方法的识别准确性较高，但忽略了游客行走路线之外的范围，无法全面保障景区游客安全。
为了解决以上缺陷，实现旅游景区异常情况的准确、高效识别，设计出基于物联网视觉的旅游景区异常情况图像自动识别系统。经实验验证可知，所设计的系统能够较好地满足设计初衷。
1 旅游景区异常情况图像自动识别系统设计
物联网视觉是新兴的信息感知技术，其能够实现人、车、物三者间的有效连接，可保证旅游景区异常情况图像的准确、高效识别。
1.1 图像采集预处理平台设计
图像采集预处理平台能够基于物联网视觉进行旅游景区图像的采集工作，并对其中的异常图像进行预处理和传输，其结构图如图1所示。
由图1可知，图像采集预处理平台由图像开采端、图像处理端和显示端组成，三端相辅相成，将图像开采端摄像头拍摄到的二维旅游景区图像，压缩变换为三维的物联网视觉，共同构建出旅游景区虚拟模型。图像采集预处理平台所选用的摄像头为PIPER物联网智能摄像头。该摄像头在传统摄像头的基础上，纳入了物联网视觉特性，并配备多种智能传感器，能够准确且高效地拍摄出旅游景区图像。PIPER物联网智能摄像头的镜头视角为180°，可与多种类型终端直接相连。在旅游景区中，应将4个PIPER物联网智能摄像头背对背捆绑相连，以对旅游景区进行360°无死角拍摄。
图像开采端将PIPER物联网智能摄像头开采到的图像进行A/D转换后传递到图像处理端，经由图像处理端进行二维画面向三维图像的转换，该过程称为逆向映射。逆向映射首先进行图像增强操作，再将旅游景区异常情况目标图像与配景拆分，经由显示端的显示器进行显示，并将预处理指令传输到图像识别平台。
图像采集预处理平台的设计汇集了计算机、模拟数字技术和图像控制等领域的技术成果，其可与基于物联网视觉的旅游景区异常情况图像自动识别系统中的其他平台单独拆分开来，并应用于军事、工农业、医疗以及建筑等领域。图2是图像采集预处理平台的原理框图。
由图2可知：对图像采集预处理平台来说，旅游景区异常图像目标物体的准确捕获是重中之重。基于物联网视觉的旅游景区异常情况图像自动识别系统给予了图像预处理平台捕获标准，经由PIPER物联网智能摄像头采集到的旅游景区画面转换为三维的物联网视觉后，就要接受该标准的管控。图像预处理平台的捕获标准受输入指令控制，输入指令是系统根据旅游行业特定景区异常情况定义所构建的，其规定了旅游景区画面的异常位置、颜色、比例等。图像采集预处理平台经由人工智能、模糊算法和神经网络算法，进行物联网视觉与捕获标准的比对，找寻到旅游景区异常情况，构建异常图像数据档案并输出异常情况图像到图像识别平台。
1.2 图像识别平台设计
基于物联网视觉的旅游景区异常情况图像自动识别系统的图像识别平台是基于物联网的射频识别技术构建的，其能够进行旅游景区异常情况图像的自动识别。射频识别技术是一种能够在无人为操作下，利用射频通信实现物体异常识别的非触碰自动识别技术。射频识别技术的抗干扰能力极强，在任何天气状态和辐射环境下均有较高的识别精度，且其效率高、操作简单。射频识别技术硬件结构如图3所示。图3中的射频识别技术硬件由电子标签、天线和读写器组成。电子标签的核心原件是识别芯片和耦合器。识别芯片为旅游景区异常情况图像编码，每个异常图像均有惟一编码；耦合器则帮助图像识别平台缓解电路传输压力，其能将功率合理分配，保护电路元件不受损伤。
天线是连接电子标签和读写器信号的传输“纽带”。基于物联网视觉的旅游景区异常情况图像自动识别系统对天线的传输效率和安全稳定性要求较高，故选择了性能较好且价格适中的433 m射频天线。
读写器能够读取电子标签分配的旅游景区异常图像编码，并及时调用旅游景区的广播系统为异常情况播报。根据读写器的携带方式，一般将其分为便携式和安装式。基于物联网视觉的旅游景区异常情况图像自动识别系统选用安装式读写器，其工作原理如图4所示。
由图4可知，天线将旅游景区异常情况图像编码直接传输给安装式读写器中的控制器，控制器控制著编码的读取工作，并调用旅游景区异常情况相应区域的广播系统，提醒游客注意人身和财产安全。
旅游景区的防卫人员也将在第一时间接收到异常情况图像，以及异常情况的位置和处理意见，并采取相应的施救措施。
2 旅游景区异常情况图像自动识别系统实现
图像采集预处理平台中图像拆分工作能否顺利进行，直接影响着图像识别平台的工作质量，以及基于物联网视觉的旅游景区异常情况图像自动识别系统的输出结果。因此，系统利用软件给出图像拆分目标函数，保障图像拆分工作的高品质运行。
基于物联网视觉的旅游景区异常情况图像自动识别系统软件所提供的图像拆分方法主要有阈值拆分法、特定范围拆分法和对比拆分法，以阈值拆分法为例，构建图像拆分目标函数。
当异常情况图像中目标物体与配景相接面的颜色和形状差别较大，可采用阈值拆分法进行图像拆分。在上述条件下，由于目标物体与配景的像素边缘较为明显，因而可以将两者的阈值与灰度分别提取出来，并按大小加以归类，进而将目标物体与配景拆分开。将拆分后的阈值纳入到直方图中，则阈值的最小点应满足。
为尽可能地降低图像拆分误差，应求取异常情况图像的最佳阈值。假设异常情况图像的阈值为，异常情况图像中配景灰度值的概率密度为，配景灰度值分布密度为，异常情况图像中目标物体占配景率为，将目标物体拆分为配景的概率，将配景拆分为目标物体的概率密度，则有：
3 实 验
为验证所设计的基于物联网视觉的旅游景区异常情况图像自动识别系统能否准确、高效地识别出旅游景区的异常情况图像，现进行实验。
3.1 图像自动识别系统的识别准确性验证
利用对比基于Android的旅游景区异常情况图像自动识别系统和本文系统识别准确性的方法，验证本文系统的识别准确性是否满足设计初衷。
实验在某景区湖面塑造了一个虚拟监控模型，模型包括木船、三个划桨者和一些干扰因素（花草树木），如图5所示。
实验在特定时间随机消除了两个划桨者，如图6所示。图6为旅游景区异常情况图像的配景，消失的两个划桨者则为目标物体。利用基于Android的旅游景区异常情况图像自动识别系统和本文系统同时对该虚拟监控模型进行自动识别，其结果如图7和图8所示。
图7和图8中框内的目标物体能够清晰地反应出两个系统的准确性。由于实验中的两个目标物体距离较近，图7中的基于Android的旅游景区异常情况图像自动识别系统将其识别为一个目标物体，准确性较低；本文系统则能准确地识别出目标物体。
以上实验结果说明，本文系统具有较高的准确性。
3.2 图像自动识别系统效率验证
我国一些旅游景区的地质较为复杂，一旦发生异常情况，缩短识别和传输时间是旅游景区异常情况图像自动识别系统所需考虑的首要问题。实验利用对比基于Android的旅游景区异常情况图像自动识别系统和本文系统识别时间和传输的方法，验证本文系统的效率是否满足设计初衷。
实验在某旅游景区的复杂山地，利用基于Android的旅游景区异常情况图像自动识别系统和本文系统进行山体滑坡情况的识别，其识别用时如表1所示。
表1 实验两系统识别山体滑坡情况用时统计表 ms
由表1可知，本文系统对山体滑坡情况的预处理时间和识别时间均低于基于Android的旅游景区异常情况图像自动识别系统，而两系统的传输时间持平。整体来说，本文系统的效率更高。该结果能够验证本文系统具有较高效率。
4 结 论
本文设计基于物联网视觉的旅游景区异常情况图像自动识别系统。该系统采用图像采集预处理平台中的PIPER物联网智能摄像头采集旅游景区图像，并利用图像拆分方法筛选出异常情况图像。图像识别平台利用物联网射频识别技术，为图像采集预处理平台筛选出的异常情况图像，并提供惟一编码。系统通过编码确定异常情况位置，并给出处理意见。系统通过图像采集预处理平台的图像拆分目标函数，实现图像拆分工作的高品质运行。经实验验证可知，所设计的系统能够对旅游景区异常情况图像进行准确、高效识别。
参考文献
[1] 何翼.物联网关键技术及其在仓库自动识别管理系统中的运用[J].物流技术，2015，34（2）：301?302.
[2] 陆海虹.基于OpenCV的手势识别系统的设计与实现[J].计算机测量与控制，2015，23（5）：1649?1652.
[3] 刘持标，林金发，孙丽丽，等.基于Android图像识别技术的失踪人员管理系统开发[J].三明学院学报，2014，31（4）：17?23.
[4] 杨兴柱，蒋锴，陆林.南京市游客路径轨迹空间特征研究：以地理标记照片为例[J].经济地理，2014，34（1）：181?187.
[5] 李佳，陈佳，杨新军.旅游社会—生态系统的运行机制：以西安市上王村为例[J].地理研究，2015，34（5）：977?990.
[6] 辛存林，董凯，孟健，等.中天山乌拉斯台地区矿化异常提取及评价[J].地质与勘探，2014，50（2）：382?390.
[7] 辛存林，廖建栋，董凯，等.新疆和静如努屋特地区地质地球化学特征及找矿远景[J].西北大学学报（自然科学版），2014，44（5）：781?788.
[8] 李淑娟，王冉.山东半岛蓝色经济区A级旅游景区空间结构分析[J].资源开发与市场，2015，31（2）：235?238.
[9] 孙玉砚，孙利民，朱红松，等.基于车牌识别系统车辆轨迹的行为异常检测[J].计算机研究与发展，2015，52（8）：1921?1929.
[10] 孙鹏，马素霞.基于IEC 61970标准及Web服务的电能质量异常数据检测系统研究[J].电力信息与通信技术，2015，13（6）：87?91.
